1.pandas df 与 spark df的相互转换

  df_s=spark.createDataFrame(df_p)

  df_p=df_s.toPandas()

 

2. Spark与Pandas中DataFrame对比

http://www.lining0806.com/spark%E4%B8%8Epandas%E4%B8%ADdataframe%E5%AF%B9%E6%AF%94/

 

3.1 利用反射机制推断RDD模式

  • sc创建RDD
  • 转换成Row元素,列名=值
  • spark.createDataFrame生成df
  • df.show(), df.printSchema()

 

3.2 使用编程方式定义RDD模式

  使用学生课程分数文件chapter4-data01.txt,创建DataFrame,并使用用DataFrame的操作完成实验三的数据分析要求。

  (1)生成“表头”

    fields = [StructField(field_name, StringType(), True) ,...]

    schema = StructType(fields)

  (2)生成“表中的记录”

    创建RDD

    转换成Row元素,列名=值

  (3)把“表头”和“表中的记录”拼装在一起

    spark.createDataFrame(RDD, schema)

 4. DataFrame保存为文件

  df.write.json(dir)

posted on 2021-05-14 19:13  多吃外卖  阅读(51)  评论(0编辑  收藏  举报